Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Design for ManufacturingDFM ou Design for Manufacturing ou encore Design for Manufacturability est l'ensemble des règles utilisées en électronique et tout particulièrement dans l'industrie des semiconducteurs afin de concevoir des composants qui puissent être facilement fabriquées. Par facilement fabriquées, on entend avoir un rendement élevé lors des séquences de test. . DFM a donné naissance à toute une série de D for something comme: Design For Testability (DFT) Design For Assembly (DFA) Design For Maintainability (DFMaint) Design For Services (DFS) Pour cela, un sigle générique de DFX a été créé.
Efficiencethumb|John Houbolt expliquant le scénario du rendez-vous en orbite lunaire. L'efficience est la consommation des ressources utilisées (intrants, matière ou énergie) dans la production d'un résultat (extrant). C'est un composant important de la mesure de la performance. On parle parfois d'efficience matérielle. Elle se mesure à partir de rapports entre les résultats obtenus et les ressources utilisées.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Recherche exhaustiveLa recherche exhaustive ou recherche par force brute est une méthode algorithmique qui consiste principalement à essayer toutes les solutions possibles. Par exemple pour trouver le maximum d'un certain ensemble de valeurs, on consulte toutes les valeurs. En cryptanalyse on parle d'attaque par force brute, ou par recherche exhaustive pour les attaques utilisant cette méthode. Le principe de cet algorithme est d'essayer toutes les possibilités dans un intervalle. Un exemple courant est l'attaque par force brute des mots de passe.
Simulation informatiquevignette|upright=1|Une simulation informatique, sur une étendue de , de l'évolution du typhon Mawar produite par le Modèle météorologique Weather Research and Forecasting La simulation informatique ou numérique est l'exécution d'un programme informatique sur un ordinateur ou réseau en vue de simuler un phénomène physique réel et complexe (par exemple : chute d’un corps sur un support mou, résistance d’une plateforme pétrolière à la houle, fatigue d’un matériau sous sollicitation vibratoire, usure d’un roulem
Heuristique (mathématiques)Au sens le plus large, l'heuristique est la psychologie de la découverte, abordée par différents mathématiciens. En algorithmique, une heuristique est une méthode de calcul qui fournit rapidement une solution réalisable, pas nécessairement optimale ou exacte, pour un problème d'optimisation difficile. On distingue en général plusieurs temps la prise en compte du problème (question, contexte : données, contraintes, acteurs, tenants et aboutissants) l'incubation, recherche de solution, rumination parfois très longue ; la méthode du problème résolu peut ici dégager les conditions nécessaires à respecter.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
École néoclassiqueL'école néoclassique est une école de pensée économique dont la thèse centrale est que les marchés disposent de mécanismes autorégulateurs qui, en l'absence d'intervention extérieure, conduisent à l'optimum économique ; l'État n'a ainsi qu'un rôle très mineur à jouer dans le domaine économique. Fondée par les économistes marginalistes Léon Walras, William Stanley Jevons et Carl Menger à la fin du , elle a dominé la science économique jusqu'à l'avènement du keynésianisme amendé.
Sustainable designEnvironmentally sustainable design (also called environmentally conscious design, eco-design, etc.) is the philosophy of designing physical objects, the built environment, and services to comply with the principles of ecological sustainability and also aimed at improving the health and comfort of occupants in a building. Sustainable design seeks to reduce negative impacts on the environment, the health and well-being of building occupants, thereby improving building performance.
